Phase-Mapper：加速高通量材料发现的 AI 平台
人工智能
2016-10-10 v2
摘要
高通量材料发现涉及对许多不同但结构相关的材料进行快速合成、测量与表征。材料发现中的一个关键问题——相图识别问题——涉及根据材料的成分与结构表征数据确定晶体相图。我们提出 Phase-Mapper，一种用于解决相图识别问题的新型 AI 平台，它允许人类与数据及 AI 算法的产物进行交互，包括引入人类反馈以约束或初始化解。Phase-Mapper 允许结合任何光谱解混算法，包括我们基于卷积非负矩阵分解算法的新型求解器 AgileFD。AgileFD 能够结合约束以捕捉材料的物理特性以及人类反馈。我们在一个涉及 20 个合成系统的大规模实验中将三种求解器变体与先前提出的方法进行了比较，证明了使用 AgileFD 施加物理约束的有效性。Phase-Mapper 也已被材料科学家用于求解各种相图，包括此前未解决的 Nb-Mn-V 氧化物系统，在此将其作为说明性示例给出。
引用
@article{arxiv.1610.00689,
title = {Phase-Mapper: An AI Platform to Accelerate High Throughput Materials Discovery},
author = {Yexiang Xue and Junwen Bai and Ronan Le Bras and Brendan Rappazzo and Richard Bernstein and Johan Bjorck and Liane Longpre and Santosh K. Suram and Robert B. van Dover and John Gregoire and Carla P. Gomes},
journal= {arXiv preprint arXiv:1610.00689},
year = {2016}
}